LeetCode 139. 单词拆分(记忆化搜索 dp

最新推荐文章于 2024-04-09 20:41:10 发布

原创最新推荐文章于 2024-04-09 20:41:10 发布 · 247 阅读

0 ·

CC 4.0 BY-SA版权

leetcode 专栏收录该内容

38 篇文章

订阅专栏

这篇博客探讨了如何使用动态规划优化解决LeetCode的Word Break问题，通过避免重复计算来提升效率。作者首先展示了基础的递归解决方案，然后引入了记忆化搜索以降低复杂性，从而解决了超时问题。

基本上是参考这一篇：https://leetcode-cn.com/problems/word-break/solution/shou-hui-tu-jie-san-chong-fang-fa-dfs-bfs-dong-tai/

一个关键点在于：判断其中一部分如果在词典中，那么只要递归的判断剩下一部分即可

可以很快写出一个简单的搜索：

class Solution {
    // 思路 前一部分是词典里的单词 那么将后一部分继续递归判断
    private boolean helper(String s,int pos,HashSet<String> dict){
        if(pos==s.length()){
            return true;
        }
        for(int i=pos+1;i<=s.length();i++){
            String pre=s.substring(pos,i);
            if(dict.contains(pre)&&helper(s,i,dict)){
                return true;
            }
        }
        return false;
    }
    public boolean wordBreak(String s, List<String> wordDict) {
        return helper(s,0,new HashSet<>(wordDict));
    }
}

超时

原因很简单：

因为这里的重复计算是判断i开头的字符串是否breakable，所以这里可以对其做一个memo，去掉重复计算

class Solution {
    // 思路 前一部分是词典里的单词 那么将后一部分继续递归判断
    private Boolean[] Break;
    private boolean helper(String s,int pos,HashSet<String> dict){
        if(pos==s.length()){
            return true;
        }
        if(Break[pos]!=null){
            return Break[pos];
        }
        for(int i=pos+1;i<=s.length();i++){
            String pre=s.substring(pos,i);
            if(dict.contains(pre)&&helper(s,i,dict)){
                Break[pos]=true;
                return true;
            }
        }
        Break[pos]=false;
        return false;
    }
    public boolean wordBreak(String s, List<String> wordDict) {
        Break=new Boolean[s.length()];
        return helper(s,0,new HashSet<>(wordDict));
    }
}